随着AIGC技术的快速发展，图像编辑工具日益强大，图像篡改变得更加容易，也更难被察觉。 虽然现有的图像篡改检测和定位方法（IFDL）通常很有效，但它们往往面临两大挑战:一是“黑匣子”性质，检测原理不明;二是泛化能力有限，难以应对多种篡改方法(如Photoshop、DeepFake、AIGC编辑)。 为解决这些问题，北京大学的研究团队提出了可解释的IFDL任务，并设计了FakeShield，这是一个多模态框架，能够评估图像的真实性，生成篡改区域掩码，并基于像素级和图像级的篡改线索提供判断依据。传统

Patched是一家由Y Combinator支持的初创公司，成立于2023年，旨在通过AI自动化代码审查、文档生成和维护任务，为开发者提供革命性的解决方案。作为开源框架，Patched利用大型语言模型（LLM）如Anthropic Claude、Cursor、Zed、Microsoft Copilot和Replit Agents，为开发者提供定制化工作流，自动化代码提交后的流程，如漏洞修复和代码格式化。Patched支持任何用户选择的LLM，提供一个无需编写代码即可轻松创建定制工作流的拖放式界面。商业模式采用每个工作流收费99美元的方式，价格合理，适合更多开发者使用。Patched还与OpenAI紧密合作，确保产品在GPT-5发布时保持相关性，并优化集成。其客户群覆盖全球，包括新加坡的KairosWealth和Stack Auth等公司，通过Patched提高工作效率。

微软研究院与北京航空航天大学团队合作推出了名为E5-V的高效多模态嵌入框架，旨在解决多模态大语言模型（MLMs）发展中存在的挑战。这一创新框架通过单模态训练简化多模态学习过程，并克服以往模型依赖独立编码器，导致输入整合效果不佳的问题。E5-V通过统一文本、图像信息，减少了训练成本，并在多个复杂任务中展现了卓越性能，如文本-图像检索、图像检索等，特别是在零样本图像检索任务上，相较于顶级模型CLIP ViT-L，性能大幅提升。该框架不仅提高了多模态数据处理的效率，更在复合图像检索任务中超越了当前先进方法，验证了其在提升模型表现上的有效性。E5-V框架代表了多模态学习领域的重要进步，未来有望在多模态研究中树立新标准并具有广泛的应用潜力。

微软研究人员推出全新AI框架Auto Evol-Instruct，该框架能自动适应和优化AI数据集生成过程，无需人工干预。不同于以往需要专家制定规则的演进方法，此框架直接利用大型语言模型（LLMs）分析指令、设计并优化演进规则。Auto Evol-Instruct能够自动提高指令遵循能力、数学推理和代码生成等任务的性能，显著提升LLMs表现。通过对比测试，该框架在多个基准测试中表现出色，超过同类模型，展现出高效的数据集演进和AI性能优化能力。